IoT-baserat smart system för igenkänning av känslor med hjälp av kroppens inre parametrar

Varför dina känslor snart kan bli en vitalparameter

Föreställ dig att din smartwatch tyst spårar inte bara dina steg och din puls, utan också hur stressad, lugn eller glad du känner dig under dagen — och varnar din läkare innan utbrändhet eller depression tar över. Denna artikel beskriver ett steg mot den framtiden: ett smart system som läser kroppens inre signaler, skickar dem via Sakernas internet (IoT) och använder maskininlärning för att i realtid avgöra vilken känsla du upplever.

Att lyssna på känslor genom kroppen

Våra känslor sitter inte bara i ansikten eller röster; de sprider sig genom våra kroppar. När vi är arga kan blodtrycket skjuta i höjden. Rädsla kan snabba upp pulsen, medan sorg kan göra oss långsammare. Forskarlaget bakom denna studie ville bygga ett system som läser dessa inre vågor och översätter dem till sex vanliga känslotillstånd: neutralt, glatt, ledset, rädsla, ilska och överraskning. Istället för kameror eller mikrofoner förlitade de sig på kroppens inre mätningar — såsom hjärtfrekvens, blodtryck, kroppstemperatur, blodsocker, syremättnad och muskelaktivitet — fångade av bärbara sensorer och matade till ett datasystem för analys.

Att förvandla en bärbar enhet till en känsloradar

Teamet designade ett armband med flera sensorer i kombination med en liten Wi‑Fi‑ansluten mikrokontroller. Denna enhet samlar flera datakanaler samtidigt: hur snabbt hjärtat slår, hur varm huden är, hur mycket syre blodet bär, hur spända musklerna är, hur högt blodtrycket går och hur blodsockernivåerna fluktuerar. Dessa signaler skickas trådlöst till en närliggande telefon eller gateway och vidare till molnbaserade servrar. Där rengörs data — brus tas bort, uppenbara fel rättas och enheter normaliseras — innan de lagras i lokala och molndatabaser. Medicinska experter hjälpte till att definiera realistiska spann för varje parameter och utformade regler som kopplar specifika mönster av kroppsförändringar till sannolika känslor, vilket skapade en etiketterad datamängd för träning av maskininlärningsmodeller.

Att lära maskiner att läsa sinnesstämningar

Med en stor uppsättning etiketterade exempel testade forskarna elva olika metoder för maskininlärning för att se vilka som bäst kunde gissa en persons känsla utifrån de inre mätningarna. Dessa inkluderade välkända tekniker som logistisk regression, supportvektormaskiner, k‑närmsta grannar, neurala nätverk och flera ”ensemble”-metoder som kombinerar många enkla beslutsstammar. Random Forest‑metoden — en teknik som röstar över många beslutsträd — visade sig bäst. På deras huvuddatasätt identifierade den de sex känslorna korrekt i ungefär 91% av fallen i standardtester, och cirka 93% vid en mer rigorös k‑fold‑korsvalidering som hjälper till att skydda mot överanpassning.

Att testa systemet bortom laboratoriet

För att ta reda på om modellen skulle fungera på människor och situationer utanför träningsdata utförde teamet ett externt test med ett allmänt använt känslomässigt jämförelseverktyg kallat DEAP. I detta upplägg tittade frivilliga på noggrant utvalda videor avsedda att framkalla olika känslor, medan deras inre signaler mättes med samma sensorkonfiguration. Den tränade Random Forest‑modellen, utan att återtränas, fick sedan klassificera dessa nya inspelningar. Den nådde ungefär 94% noggrannhet, med starka resultat över alla känslor — ett tecken på att systemet kan generalisera bortom sitt ursprungliga urval. Författarna menar att detta validerar både deras val av kroppssignaler och deras övergripande design, som omfattar sensorhårdvara, IoT‑kommunikation, molnlagring och intelligent mjukvara.

Från forskningsprototyp till vardaglig följeslagare

För lekmannen är huvudbudskapet enkelt: kroppens dolda signaler kan pålitligt avslöja hur du mår, och datorer kan lära sig att läsa dem. Detta arbete visar att ett nätverk av bärbara sensorer, kopplade via internet och analyserade med avancerade algoritmer, kan spåra känslor på ett icke‑invasivt sätt och i nära realtid. Även om det nuvarande systemet har begränsningar — såsom en måttlig provstorlek och fokus på endast sex grundläggande känslor — pekar det mot framtida verktyg som kan stödja mental hälsa, personanpassa digitala upplevelser, övervaka ensamma eller sårbara personer hemma och göra smarta miljöer mer responsiva mot vårt inre liv.

Citering: Rashid, T., Bajwa, I.S. & Kim, J. An IoT-based smart emotion recognition system by using internal body parameters. Sci Rep 16, 7210 (2026). https://doi.org/10.1038/s41598-026-35982-9

Nyckelord: igenkänning av känslor, bärbara sensorer, fysiologiska signaler, Sakernas internet, maskininlärning